基于極大似然法的神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用.pdf

1、目前，神經(jīng)網(wǎng)絡(luò)的理論和應(yīng)用研究得劍了極大的發(fā)展，而且已經(jīng)滲透到幾乎所有的工程應(yīng)用領(lǐng)域。BP網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，名字源于網(wǎng)絡(luò)權(quán)值的調(diào)整規(guī)則采用的是反向傳播學(xué)習(xí)算法，即BP學(xué)習(xí)算法。據(jù)統(tǒng)計(jì)，在神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用中，80％～90％的神經(jīng)網(wǎng)絡(luò)模型是采用BP網(wǎng)絡(luò)或它的變化形式。雖然在理論上，人們已經(jīng)證明了多種前饋型網(wǎng)絡(luò)，都能以任意精度逼近于L<'2>[R]類或更廣泛的非線性函數(shù)，但是，在實(shí)際中如何獲得網(wǎng)絡(luò)的最優(yōu)權(quán)值，并非容易。對(duì)于BP算法

2、來(lái)說(shuō)，目前仍未能有效地克服其收斂速度慢、易1陷入局部最優(yōu)、外推能力差等缺陷。尤其是當(dāng)非線性對(duì)象受到較嚴(yán)重的噪聲干擾時(shí)，輸入-輸出數(shù)據(jù)不匹配fmismatch)，此時(shí)的迭代學(xué)習(xí)收斂慢，甚至不收斂，即使收斂，也并非逼近于真實(shí)系統(tǒng)。因此，如何有效地提高BP網(wǎng)絡(luò)學(xué)習(xí)算法的抗噪能力和泛化能力，是一個(gè)重要的、無(wú)法回避的問題。 針對(duì)BP網(wǎng)絡(luò)存在的問題，人們進(jìn)行了深入的研究并提出了許多的改進(jìn)方法。因?yàn)锽P學(xué)習(xí)規(guī)則的推導(dǎo)是基于最小均方誤差準(zhǔn)則，網(wǎng)